Predicción Conformal Auditada bajo Cambio de Distribución Desconocido
Descubre cómo la predicción conformal auditada (ACP) mejora la cobertura condicional en clasificación bajo cambios de distribución desconocidos.
#cla
Probé a Claude y ChatGPT: fallaron estrepitosamente en una tarea simple
Probé a Claude y ChatGPT con una tarea sencilla y ambos fracasaron. Descubre por qué los chatbots de IA más avanzados no lograron superar este desafío.
IA vs soluciones tradicionales en automatización de pedidos
Descubre cómo la IA para automatización de pedidos supera a las soluciones tradicionales: workflows flexibles, integraciones sin silos y actualizaciones
MVEB: Benchmark masivo de embeddings de video
Descubre MVEB, el benchmark que evalúa 33 modelos de embeddings de video en 23 tareas. ¿Qué modelo domina? Clasificación, recuperación y más.
Fronteras algorítmicas: equidad y precisión con datos selectivos
Descubre cómo identificar y estimar la frontera entre equidad y precisión en algoritmos cuando solo observas resultados de individuos seleccionados. Métodos de
HiRo: Compacto mezclador jerárquico de tokens para clasificación de imágenes
HiRo logra 99.46% en MNIST, 85.57% en CIFAR-10 y 59.10% en CIFAR-100 con menos de 1M de parámetros. Descubre este modelo eficiente de clasificación de imágenes.
Replanteando el papel de la atención eficiente en arquitecturas híbridas
Descubre cómo la atención eficiente impacta el rendimiento en arquitecturas híbridas: análisis de escalado, mecanismos y diseño. El fenómeno de la pereza de
Brecha de información e inferencia factible en mezclas logísticas
Descubre la brecha entre detectar mezclas y recuperar etiquetas en modelos logísticos binomiales. Nuevos métodos de inferencia consciente mejoran la fiabilidad.
Acondicionamiento acústico por etapas para aprendizaje con pocos ejemplos en audio
Descubre cómo el acondicionamiento acústico por etapas mejora el aprendizaje con pocos ejemplos en modelos de audio. Incrementa el rendimiento en clasificación.
Simulación rápida de impactos en CLAS12 mediante GPT autorregresivo
Descubre cómo un modelo GPT acelera la simulación de impactos en el detector CLAS12, superando a Geant4 con 700 eventos por segundo y manteniendo precisión
KeepLoRA++: Aprendizaje continuo con gradientes residuales escalados por capas
Descubre cómo KeepLoRA++ equilibra retención de conocimiento y plasticidad en modelos de visión-lenguaje mediante adaptación residual de gradientes por capas.
LoLA: Atención Lineal de Bajo Rango con Caché Dispersa
LoLA mejora la atención lineal con caché dispersa, logrando 97.4% de precisión en recuperación de claves, superando modelos más grandes con menor caché.
Aprendizaje autosupervisado como comunicación discreta
Descubre cómo el aprendizaje autosupervisado se transforma en un proceso de comunicación discreta entre redes, mejorando la estructura de las representaciones
Geometría de la separación en mezclas Gaussianas finitas
Estudio geométrico revela cómo la separación mínima entre componentes afecta la convergencia en la estimación de parámetros de mezclas Gaussianas. ¡Más!
Ejecuta un LLM local con OpenClaw en tu Mac Mini
¿Cansado de las facturas de API mensuales? Sigue esta guía probada para montar un LLM local de alto rendimiento en tu Mac Mini sin complicaciones.
Capa de recuperación para fallbacks de LLM que rompen pipelines de agentes
Los fallbacks de LLM corrompen datos en pipelines de agentes. Mi capa de recuperación clasifica fallos, adapta payloads y mantiene la integridad de esquemas.
Aproximación convexa de redes ReLU para privacidad diferencial de estado oculto
Nueva técnica de aproximación convexa para entrenar redes ReLU con privacidad diferencial de estado oculto, con resultados comparables a DP-SGD.
SEVAL: aprendizaje semi-supervisado con datos desbalanceados
Nuevo método SEVAL mejora el aprendizaje semi-supervisado con datos desbalanceados optimizando pseudoetiquetas mediante refinamiento y ajuste de umbral.
Computación dividida inalámbrica con neuronas de resonancia
Ahorra energía en IA de borde con neuronas de resonancia: procesa señales temporales sin preprocesamiento espectral. Ideal para IoT y clasificación de audio.
Límites ajustados para regresión logística con paso grande en baja dimensión
Descubre cómo un paso grande en el descenso de gradiente mejora la convergencia de la regresión logística en baja dimensión, con límites ajustados y análisis